進化演算法結合多層感知機架構運用在4-QAM決策迴授等化器上

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：14

、訪客IP：18.220.59.69

姓名

黃俊威(Chun-Wei Huang) 查詢紙本館藏

畢業系所

電機工程學系

論文名稱

進化演算法結合多層感知機架構運用在4-QAM決策迴授等化器上
(4-QAM Decision feedback equalization using Evoluation based multi-layer perceptron structures.)

相關論文

★ 以調適性類神經網路系統實現預先失真器補償 RF 功率放大器之非線性效應	★ 進化演算法應用在數位濾波器之最佳化設計
★ 進化演算法之動態分析及應用於數位濾波器之設計	★ WDM同步光纖網路加入/取出多工器效應之評估
★ PN碼對多重路徑的估測	★ 多層感知等化器-使用進化演算法
★ Lp Norm 倒傳遞演算法使用在調適性濾波器	★ 利用進化演算法在多層感知機結構上之判別回授等化器
★ 模糊類神經網路結合進化演算法運用在基頻通道等化器上	★ 使用進化演算法的模糊化類神經網路等化器
★ 新式的電信網路主參考信號源	★ 應用進化演算法於類神經網路之判別回授等化器與探討各參數對performance的影響
★ 進化演算法應用在多層感知迴授等化器上之效能分析	★ 複數訊號多層感知決策回授等化器-使用進化演算法
★ 頻移相位同調光纖通信系統的效能分析	★ 多層感知器對輸入與權值誤差的敏感度分析及倒傳遞(BP)演算法與進化策略(ES)演算法的改善

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

通訊系統在傳送過程中，信號會受到頻寬的限制與雜訊的干擾，而產生失真現象。為了減少信號在有限頻寬通道中，受到雜訊與碼際干擾(Intersymbol Interference，ISI)效應的影響，本論文提出一種適用於進化演算法的應用，將進化演算法結合多層感知機架構，運用在4-QAM（Quadrature amplitude modulated）決策迴授等化器（DFE）上來消除雜訊與碼際干擾。
由於多層感知機(Multi-layer perceptron，MLP)其架構具有非線性之特性，可以設計成為良好的通道等化器。但是多層感知機的誤差曲面包含了釵h零梯度點，所以使用複數倒傳遞演算法（Complex backpropagation algorithm，CBP）來訓練多層感知機，常會面臨到陷入局部最小值（Local minimum），而導致無法將多層感知機訓練到最佳。
進化演算法（Evolutionary algorithms，EAs）為一種非梯度坡降學習演算法（non-gradient decent learning algorithm），其根據達爾文『適者生存』的法則，來獲得最佳化的解。我們利用進化演算法具有非梯度坡降搜尋與多點搜尋的技巧，來避免因為初始值位址不佳而無法獲得全域最小值（Global minimum）。
結果顯示，利用進化演算法運算所得到的誤碼率(bit error rate, BER)表現，比用複數倒傳遞演算法還要好，亦比使用傳統最小均方誤差（Least mean-square）決策迴授等化器有更好的效能。

關鍵字(中)

★ 進化演算法

關鍵字(英)

★ Evolutionary Algorithms

論文目次

圖目錄、表目錄﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒ Ⅶ
第一章緒論（Introduction）
1-1 數位通信系統簡介﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒1
1-2 研究進化演算法的動機﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒3
第二章等化器（Equalizer）
2-1 通道等化﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒ 5
2-2 符元干擾﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒ 7
2-3 線性等化器宇決策回授等化器﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒ 9
2-4 Wiener Filter﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒ 15
2-5 最小均方誤差演算法﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒ 20
2-6複數最小均方誤差演算法的Canonical模式﹒﹒﹒﹒﹒ 24
第三章複數型倒傳遞演算法結合多層感知機運用在決策迴授等
化器（MLP-based DFE using complex B.P）
3-1 類神經網路概念﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒ 27
3-2 類神經網路架構﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒ 30
3-3 類神經網路的運作模式﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒ 32
3-4 多層感知機﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒ 35
3-5 將多層感知機架構在決策回授等化器﹒﹒﹒﹒﹒﹒﹒40
3-7 複數型倒傳遞演算法﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒ 43
第四章進化演算法（Evolutionary Algorithms）
4-1 隨機搜尋法﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒ 49
4-2 進化演算法概念﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒ 51
4-3 初始化﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒ 53
4-4 評估﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒ 56
4-5 重組﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒ 58
4-6 突變﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒ 60
4-7 選擇﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒ 61
4-8 風險分析﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒ 63
第五章模擬結果（Simulation Results）
5-1 系統模擬結構﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒ 65
5-2 收斂特性分析﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒ 67
5-3 位元錯誤率分析﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒ 75
5-4 觀察母代不同的影響﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒ 81
第六章結論（Conclusion）﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒ 85
參考文獻﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒﹒87

參考文獻

[1] F.Glover, “Tabu Search – Part I”, ORSA Journal of Computing, vol.1, no.3, pp.190-206, Summer 1989.
[2] F.Glover, “Tabu Search – Part II”, ORSA Journal of Computing, vol.2, no.1, pp.4-32, Winter 1990.
[3] Xiaofeng Qi and Francesco Palmieri, “Theoretical Analysis of Evolutionary Algorithms With an infinite Population size in Continuous Space PartⅠ:Basic Properties of Selection and Mutation”, IEEE Transactions On Neural Networks, Vol. 5, No. 1, January 1994.
[4] Xiaofeng Qi and Francesco Palmieri, “Theoretical Analysis of Evolutionary Algorithms With an infinite Population size in Continuous Space PartⅡ:Analysis of the Diversification Role of Crossover”, IEEE Transactions On Neural Networks, Vol. 5, No. 1, January 1994.
[5] P. Power, F. Sweeney, C. F. N. Cowan, “EA Crossover Schemes For a MLP Channel Equalizer”, Electronics, Circuits and Systems, 1999. Proceedings of ICECS ’’99. The 6th IEEE International Conference on Volume: 1 , 1999 , pp. 407 -410.
[6] S.U. H. Qureshi, “Adaptive equalization”, Proc. IEEE, 1985, 73, (9), pp.1349-1387.
[7] G.j. Gibson, S. Siu, C.F.N. Cowan, “Multi-layer perceptron structures applied to adaptive equalizers for data communications”, IEEE Proceedings ICASSP Glasgow, Scotland, May 1989, pp. 1183-1186.
[8] S. Siu, G.j. Gibson, and C.F.N. Cowan, “Decision feedback equalisation using neural network structures and performance comparison with standard architecture”, IEEE Proceedings, Vol.137, PartⅠ, NO.4, pp. 221-225, August, 1990.
[9] S. Siu, Non-linear adaptive equalization based on a multi-layer perceptron architecture, Thesis for doctorate, University of Edinburgh, U.K. 1990.
[10] G.j. Gibson, S. Siu, and C.F.N. Cowan, “The application of nonlinear structures to the reconstruction of binary signal”, IEEE Transactions on Signal Processing, Vol. 39, No. 8, pp.1877-1884, Aug., 1991.
[11] M. Minsky, and S. Papert , Perceptron : An introduction to computational geometry”, MIT Press, 1988.
[12] David E. Goldberg, Genetic Algorithms in Search, Optimization, and Machine Learning, Addison-Wesley Publishing Company, Inc.
[13] E. A. Lee, D. G. Messerchmitt, Digital communication, Kluwer Academic Publishers, 1988.
[14] Bernard Sklar, DIGITAL COMMUNICATIONS Fundamental and Applications, Prentice-Hall, Inc. 1988
[15] Simon Haykin, Adaptive Filter Theory, Prentice-Hall, Inc. 1996
[16] J. G. Proakis, Digital Communication, New York: McGraw Hill, 1989, 2nd ed.
[17] 蘇木春,張孝德, 機器學習類神經網路、模糊系統以及基因演算法則, 全華科技圖書股份有限公司.
[18] 林繼洲, 函數連結與模糊適應等化器效能評估,元智大學電機工程研究所碩士論文, 1999.
[19] 廖鴻翰, 以基因演算法建構類神經網路模型, 大葉大學電機工程研究所碩士論文, 2000.
[20] D.H Bandwood, “A Complex gradient operator and its application in adaptive array theory”, IEEE Proceedings, Vol.130, pp, February, 1983.
[21] 葉怡成, 類神經網路模式應用與實作, 儒林圖書有限公司,1993.
[22] Yoh-Han Pao, Adaptive Pattern Recognition and Neural Networks, Addison-Wesley Publishing Company, Inc. 1989.
[23] 張吉良, 利用進化演算法在多層感知結構之判別回授等化器, 國立中央大學電機工程研究所碩士論文, 2001.
[24] Ching-Haur Chang and Sammy Siu, Che-Ho Wei, “Complex Backpropagation Decision Feedback Equalizer With Decision Using Neural Nets”, journal of the Chinese institute of electrical engineering, vol.7, no.1 pp63-69(2000).
[25] N. Benvenuto, and F. Piazza, “On the complex backpropagation algorithm”, IEEE Trans. Signal Processing, vol.40, no.4, pp.967-969, 1992.
[26] H. Leung and S. Haykin, “The complex backpropagation algorithm”, IEEE Trans. Signal Processing, vol.39, no.9, pp.2101-2104, 1991.
[27] I. Cha and S.A.Kassam “Channel equalization using adaptive complex radial basis function networks”, IEEE Journal on Selected Areas in Communications, vol.13,no. 1,pp. 122-131, 1995.
[28] T. Back, Evoluationary algorithm in theory and practice: evolution strategies, evolutionary programming, genetic algorithms, Oxford, 1996.
[29] L.J. Fogel, A.J. Owens and M.J. Walsh, Artificial Intelligence through Simulated Evolution, New York, 1966.
[30] I. Rechenberg, Evolutionstrategie: Optimierung Technischer Systeme nach Prinzipien der biologischen Evolution, Stuttgart: Frommann-Holzbboog, 1973.
[31] J.H. Holland, Adaptation in Natural and Artificial System, The University of Michigan Press, 1975.
[32] 莊文仲, 多層感知機等化器-使用進化演算法, 國立中央大學電機工程研究所碩士論文, 2001.
[33] 陳德, 模糊類神經網路結合進化演算法運用在基頻通道等化器上, 國立中央大學電機工程研究所碩士論文, 2001.
[34] 張清濠, 使用健全學習法則的多項式神經網路等化器, 國立交通大學電子研究所博士論文, Chapter 1, 1995.
[35] C.F.Wu, QAM/VSB Dual Mode Equalizer Design and Implementation, 國立中央大學電機工程研究所碩士論文, 1998.
[36] S. C. Huang, and Y. F. Huang, “Bounds on the number of hidden neurons in multilayer perceptrons”, IEEE Transactions on Neural Networks, vol.10, no.3, pp.59-68, 1992.
[37] Jyh-Shing Roger Jang, Neuro-Fuzzy and Soft Computing: A Computational Approach to Learning and Machine intelligence, Prentice-Hall, Inc. 1997.

指導教授

賀嘉律(Chia-Lu Ho)

審核日期

2002-6-19

推文